Assess model bias. The Jarque-Bera

Assess model bias. The Jarque-Bera statistic indicates whether or not the residuals (the observed/known dependent variable values minus the predicted/estimated values) are normally distributed. The null hypothesis for this test is that the residuals are normally distributed and so if you were to construct a histogram of those residuals, they would resemble the classic bell curve, or Gaussian distribution. When the p-value (probability) for this test is small (is smaller than 0.05 for a 95% confidence level, for example), the residuals are not normally distributed, indicating model misspecification (a key variable is missing from the model). Results from a misspecified OLS model are not trustworthy.

ผลลัพธ์ (ไทย) 1:

ประเมินแบบอคติ Jarque Bera สถิติบ่งชี้ว่า หรือไม่ เหลือ (ค่าตัวแปรที่สังเกตเรียกว่าลบค่าทำนาย/คาด) มีกระจายปกติ สมมุติฐาน null สำหรับการทดสอบนี้คือการ ที่เหลือมีกระจายปกติ และดังนั้น หากคุณต้องสร้างกราฟของเหลือเหล่านั้น พวกเขาจะมีลักษณะโค้งทุรกันดาร หรือ Gaussian กระจาย เมื่อ p-ค่า (น่าจะ) สำหรับการทดสอบนี้เป็นขนาดเล็ก (มีขนาดเล็กกว่า 0.05 ที่ระดับความเชื่อมั่น 95% ตัวอย่างเช่น), เหลือมีไม่กระจายปกติ ระบุรุ่น misspecification (ตัวแปรสำคัญหายไปจากรูปแบบ) ผลจากแบบจำลอง OLS misspecified ไม่น่าเชื่อถือ

ผลลัพธ์ (ไทย) 2:

ประเมินอคติรุ่น สถิติ Jarque-Bera บ่งชี้ว่าหรือไม่เหลือ (สังเกต / รู้จักกันค่าตัวแปรตามที่คาดการณ์ลบ / ค่าโดยประมาณ) จะกระจายตามปกติ สมมติฐานสำหรับการทดสอบนี้คือการที่เหลือจะกระจายอยู่ตามปกติและดังนั้นหากคุณจะสร้าง histogram ของเศษเหล่านั้นพวกเขาก็จะมีลักษณะคล้ายกับเส้นโค้งคลาสสิกหรือการกระจายเสียน เมื่อ p-value (น่าจะ) สำหรับการทดสอบนี้มีขนาดเล็ก (มีขนาดเล็กกว่า 0.05 ระดับความเชื่อมั่น 95% เป็นต้น) ที่เหลือจะไม่กระจายตามปกติแสดงให้เห็น misspecification Model (ตัวแปรที่สำคัญคือการขาดหายไปจากรุ่น) ผลลัพธ์ที่ได้จากรูปแบบ OLS misspecified จะไม่น่าเชื่อถือ

ผลลัพธ์ (ไทย) 3:

ประเมินแบบลำเอียง สถิติ คาร์เกเบร่าบ่งชี้หรือไม่ค่า ( สังเกต / รู้จักตัวแปรตามค่าลบที่คาดการณ์ / ประมาณการค่า ) เป็นแบบปกติ สมมติฐานว่างสำหรับการทดสอบนี้คือ ความคลาดเคลื่อนมีการแจกแจงปกติ และดังนั้นหากคุณจะสร้างความถี่ของค่าเหล่านั้น พวกเขาจะคล้ายกับเส้นโค้งระฆังคลาสสิกหรือการแจกแจงแบบปกติ . เมื่อเสี่ยง ( ความน่าจะเป็น ) สำหรับการทดสอบนี้คือขนาดเล็ก ( เล็กกว่า 0.05 สำหรับระดับความเชื่อมั่น 95% ตัวอย่างเช่น ) , ซึ่งไม่ได้เป็นแบบปกติ แสดงว่า แบบ misspecification ( ตัวแปรที่สำคัญที่ขาดหายไปจากรุ่น ) ผลลัพธ์ที่ได้จากแบบจำลอง misspecified OLS ไม่ได้เชื่อถือได้